TapCub 正式上线:统计、分析、客服一个平台免费用
在线客服

怎样训练聊天机器人:把 50 段对话变成可用的答案

怎样用自己的聊天记录训练聊天机器人:按主题统计,决定机器人可以答什么,用客户的说法写答案,用留出的对话测试,再每周复盘。附正确率从 60% 升到 84% 的完整算例。

林舟 发布于 2026 年 11 月 20 日 9 分钟阅读 在线客服
示例数据:每周复盘的各轮中,抽样的 25 段机器人对话回答正确的比例。随着发现的问题被修复,错误率从 20% 降到 12% 再到 4%。示例数据

训练聊天机器人,先收集 50 段最近已解决的对话,按主题统计,判断哪些主题有固定答案,再用客户自己的说法写答案,并用留出的对话测试。对多数企业来说,这是整理答案,不是训练模型。示例里 50 段对话中有 35 段(70%)在范围内,三轮每周复盘把正确率从 60% 提到 84%,错误率从 20% 降到 4%。

读完你会知道

  • 训练企业聊天机器人,是整理答案并拿真实对话检查,不是训练模型
  • 先划范围:示例里 70% 的对话有固定答案,30% 按设计转人工
  • 用留出对话上的错误率判断能否上线;示例里每周复盘把它从 20% 降到 4%

对企业来说,「训练」聊天机器人指什么

对多数企业来说,训练聊天机器人并不是训练一个语言模型,而是整理机器人用来回答的材料,再拿真实对话检查它的回答,把错的改掉。实际做起来有两种样子:

  • 基于意图的机器人(规则或分类器驱动)用示例语句训练。Google 的 Dialogflow 文档说,每个意图要建「至少 10-20 条(视意图复杂程度而定)训练语句」,它的机器学习会在你的列表基础上扩展,所以不必穷举每一种说法。
  • 基于知识库的机器人(检索加语言模型)用答案和文档训练。权重里什么都没学,机器人是去找最匹配的材料,再据此起草回复。

两者依赖同一种输入:客户真实会问什么,用他们自己的话。所以你手上已有的、质量很高的训练数据,就是聊天记录。本文用 50 段对话,一步步把它们变成训练好的答案,数字都能复算。怎样在机器人类型之间选择,见 NLP 聊天机器人;机器人该做什么、不该做什么,见 AI 客服代理。

第 1 步:把 50 段对话按主题分类

取最近 50 段已解决的对话。逐段读,每段只贴一个主题标签,以客户开口的那个问题为准,不看坐席的回答。不要先发明一套分类,让标签自然出现,然后合并相近的。

示例数据:一家小型服装网店的 50 段对话。

主题对话数累计累计占比
配送时间与运费141428%
退货与退款112550%
订单状态93468%
尺码与版型64080%
账户与其他64692%
优惠码450全部

有两点很突出。前两个主题已经覆盖 50 段里的 25 段,也就是 50%,所以最先写的几条答案很快就能回本。另外这是一条长尾:排第六的主题也是确实有人问过的真实问题。

有一类先不要计入:标成「账户与其他」的 6 段是个别情况,比如改地址。它们教不了你什么可复用的东西,应该和下一步的转人工放在一起。

主题对话数累计累计占比
配送时间与运费141428%
退货与退款112550%
订单状态93468%
尺码与版型64080%
账户与其他64692%
优惠码450全部

示例数据:一家小型服装网店的 50 段对话。订单状态和账户类按设计转人工。

第 2 步:决定哪些主题可以让机器人答

一个主题只有在答案对每位客户都一样、而且写在文档里时,才适合机器人回答。如果答案要去订单系统里查,机器人给不出,正确的做法是干净利落地转给人。

把这个判断用在示例上:

  • 配送时间与运费(14)、退货与退款(11)、尺码与版型(6)、优惠码(4)都是政策类答案。14 + 11 + 6 + 4 = 50 段里的 35 段,即 70%,在范围内。
  • 订单状态(9)需要客户自己的订单。账户与其他(6)是个别情况。合起来50 段里的 15 段,即 30%,按设计就是转人工。

这个划分决定了上限。一个能把 70% 的对话类型答对的机器人已经做得不错;为了冲到全部答对,让它对订单状态瞎猜,最后就会对客户说出错话。不列颠哥伦比亚省的一个仲裁庭判定,航空公司要为聊天机器人告诉客户的丧亲票价信息负责(Moffatt v. Air Canada,2024 BCCRT 149,判令该公司共支付 812.02 加元),并驳回了「聊天机器人是独立主体」的说法。机器人说的每一句话,都算你说的。

第 3 步:照着真实的说法写答案

每个范围内的主题,每个不同的问题写一条答案,而不是每个主题一条。「运费多少?」和「什么时候到?」都属于配送,但是不同的问题,答案也不同。

用对话记录来写答案:

  1. 把客户的说法抄进问题里。 如果三位客户写的是「我的退款呢」,没有人写「退款状态咨询」,你存的问题就用前一种。
  2. 答案取自政策页面,不取自坐席的回复。 坐席会缩写和临场发挥,政策页面才是依据。把链接放进去。
  3. 写明限制。「未穿着的商品 30 天内可免费退货」比「退货免费」好。
  4. 以下一步结尾。 客户该做什么,不在覆盖范围时找谁。

如果你做的是基于意图的机器人,这里就要用到 10 到 20 条语句。35 段范围内的对话对应 4 个主题,每个主题大约有 8 条真实说法。以它们为核心,再补充改写,直到每个意图达到 Google 建议的至少 10 到 20 条,改的是措辞,不是重复。意图之间要分开:同一句话出现在两个意图里,分类器就无法决定。

第 4 步:留出一部分对话来测试

上线前,从 50 段里取 10 段,不用它们来写答案。把它们开头的问题拿给机器人重放,每条回复标为正确、错误或转人工。主题在范围之外时,转人工算成功。

示例数据:首轮用 25 段新对话。

轮次正确错误转人工正确率错误率
1155560%20%
2183472%12%
3211384%4%

要盯的是错误这一列,而不是正确那一列。错误回答比转人工代价更高,因为客户会照着它去做。首轮 25 段里错了 5 段:也就是 20% 的对话里机器人自信地答错了,这样的版本还不能面对客户。上线门槛应当是你能承受的错误率,而且要在测试前定好,而不是一个你希望达到的正确率。

app.tapcub.com

各轮复盘的正确回答比例

示例数据,每轮 25 段对话
第 1 轮60%
第 2 轮72%
第 3 轮84%
示例数据
示例数据:每周复盘的各轮中,抽样的 25 段机器人对话回答正确的比例。随着发现的问题被修复,错误率从 20% 降到 12% 再到 4%。

第 5 步:每周跑一轮复盘

训练不会在上线时结束,它变成读对话、改问题的循环。每周取 25 段最近的机器人对话,分成几类:

  • 答错了:修改或补充问题和答案。如果是来源文档写得不清楚,先改文档。
  • 范围内的主题转了人工:说明机器人没找到答案,把客户用的说法补进去。
  • 范围外的主题转了人工:行为正确,不用动。
  • 客户重复提问:答案不够清楚,即使从技术上说是对的。

在示例里,三轮这样的复盘把正确率从 60% 提到 84%,错误率从 20% 降到 4%。每一轮只修它发现的具体失败,而不是全部重写。数字是示意,但走势是典型的:错误率开头下降最快,然后趋平,新的失败来自新的主题(一次促销、一次政策变更)。给自己设一个提醒,政策页面一变,就更新答案,因为过期的答案就是错误的答案。

第 6 步:衡量机器人在做什么

四个数字能说明训练有没有起作用:

指标公式说明什么
正确率正确数 ÷ 抽样数答案质量
错误率错误数 ÷ 抽样数风险
转人工率转人工数 ÷ 全部机器人对话覆盖度,按范围内和范围外分开看
重复提问率再次提问的客户 ÷ 对话数清晰度

每周用同样的抽样数来记录,这样才能比较。如果客服量每周不到 25 段,就全部复盘。关于钱的一面,聊天机器人 ROI讲了怎样给已解决的对话估值,以及为什么只有完全解决的才算。

在 TapCub 里怎么训练聊天机器人

TapCub 在线客服的知识库,工作方式和上面的知识库型机器人一样,所以 50 段对话的例子可以直接对应。TapCub 不训练模型:它存放你的答案和文档,由 AI 据此起草回复。

  1. 把对话变成草稿。 在客服 › 知识库的草稿收件箱里选「从历史会话生成」。TapCub 取近 30 天已解决会话里的访客提问和坐席回复,归并成问答草稿。每个站点每 24 小时可以生成一次,每一批消耗 1 次 AI 额度。草稿在你通过之前不起作用,忽略的草稿会被丢弃。
  2. 把范围内的答案写成问答对。 访客的消息与归一化后的问题相同,或者包含全部关键词时,问答对原文发送,不消耗 AI 次数。第 3 步里的政策类答案(配送、退货、尺码、优惠码)适合用问答对。
  3. 较长的材料用文档。 文档按约 600 字切段;没有问答命中时,TapCub 用全文检索(不是向量库)查这些段落,由模型起草回复。如果模型判断材料不够,就转给人。
  4. 测试不耗额度。 客服 › 知识库里的 Playground 走同一条链路,不计额度、不产生会话。把留出的 10 个问题拿到这里重放。
  5. 选择模式和上限。 在客服 › 聊天设置 › AI 接待里选关闭、「仅坐席全离线时」或「AI 先答」。默认每段会话最多回答 6 轮,可以在 1 到 20 之间调整,超过后转人工。访客会被告知正在和 AI 对话。
  6. 在工作台里复盘。 客服 › 客服工作台里的每次转人工都标有原因(无命中、模型无法回答、访客要求、超过轮数、坐席接手),这就是第 5 步里范围内和范围外的区分。回答错了,用「纠错入库」,它会存成一条问答对,下次同样的问题就原文发送。

TapCub 的 AI 只生成回复,不查订单、不改任何东西、不调用别的系统,所以这个例子里「订单状态」仍然是转人工。它也不提供现成的正确 / 错误评分,这部分抽样要你自己用对话记录来做。

FAQ

怎样用自己的数据训练聊天机器人?

收集 50 段最近已解决的对话,按主题标注,判断哪些主题有固定答案,再用客户自己的说法给每个不同的问题写一条答案。用留出的对话测试,每周复盘 25 段。对多数企业机器人来说,这是整理答案,不是训练模型。

聊天机器人需要多少条训练语句?

对基于意图的机器人,Google 的 Dialogflow 文档说每个意图至少 10 到 20 条,视复杂程度而定,措辞要有变化;它的机器学习会扩展这个列表。知识库型机器人用的是答案和文档,而不是语句。

能用聊天记录训练聊天机器人吗?

能,而且它们是质量很高的来源,因为里面有客户的真实说法。用它们找主题和说法,但答案要取自你的政策页面,并先去掉个人信息。留出一部分对话用来测试,不要把 50 段全用上。

训练聊天机器人要多久?

有了对话记录,覆盖主要主题的初版可能一两天就能做出来。复盘循环是持续的:这里的示例用了三轮每周复盘,才达到 84% 正确率和 4% 错误率。上线之后每周都要留出时间。

怎样避免聊天机器人给出错误答案?

把它限制在答案固定的主题上,其余一律转人工,并且每周按抽样衡量错误率。已有仲裁庭判定公司要为其聊天机器人的陈述负责,所以错误回答就是你的回答。

资料来源

  • Google Cloud。Dialogflow 训练语句:每个意图至少建 10-20 条(视意图复杂程度而定)训练语句;措辞要有变化。核对日期 2026-11-20。
  • 不列颠哥伦比亚省民事仲裁庭。Moffatt v. Air Canada,2024 BCCRT 149:航空公司要为其聊天机器人上的信息负责;判令支付 812.02 加元。核对日期 2026-11-20。
归档:在线客服

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

林舟

产品体验专员

关注产品体验、功能使用与增长实践,喜欢把复杂流程拆成清晰步骤,让分析结果更容易用到日常决策中。

把聊天记录变成知识库

从已解决的会话生成问答草稿,不耗额度地测试,并看清每次转人工的原因。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie